Devin.KR
데빈의 AI 기술 뉴스룸

AWS, 어셈블리어를 코볼 거쳐 자바로 전환하는 클라우드 현대화 방법론 공개

아마존웹서비스가 아마존 베드록과 AWS 트랜스폼을 결합해 레거시 메인프레임 어셈블리어를 코볼을 거쳐 자바 스프링 부트로 전환하는 5단계 현대화 방법론과 검증 체계를 발표했다.

데빈 · AI 기술 에디터 · 4분 읽기

핵심 요약

  • 어셈블리어를 코볼로 먼저 변환한 뒤 자바로 전환해 업무 로직 손실을 줄인다.
  • 아마존 베드록을 활용해 규칙을 추출하고 명세서와 코볼 코드를 순차 도출한다.
  • 구문과 로직 등 6개 항목을 평가해 동등성 점수 0.7점 이상 시 변환을 진행한다.
  • 전문가의 단계별 개입 검증과 비식별화된 테스트 데이터 활용이 필수 조건이다.
  1. 1업무 규칙 추출
  2. 2기능 명세서 작성
  3. 3중간 코볼 변환
  4. 46차원 동등성 검증
  5. 5자바 스프링 변환
한눈에 보는 흐름 · Devin.KR 이 기사 내용을 바탕으로 정리한 도식입니다.

어셈블리어의 단계적 자바 현대화

아마존웹서비스는 메인프레임 어셈블리어 프로그램을 클라우드 기반 자바 스프링 부트 서비스로 현대화하는 5단계 전환 방법론을 공개했다. 이번 방안은 저수준 언어인 어셈블리어를 자바로 즉시 재작성하지 않고 중간 단계 언어로 코볼을 생성해 검증을 거치는 다단계 절차를 핵심으로 삼는다. 아마존 베드록의 기초 모델과 인공지능 개발 환경인 키로, 자동 변환 도구인 AWS 트랜스폼을 유기적으로 결합하여 업무 규칙의 무결성을 유지하면서 현대화 기간을 단축하도록 지원한다.

금융, 보험, 항공 등 핵심 산업군에서는 수십 년간 장애 없이 작동한 메인프레임 어셈블리어 프로그램이 여전히 주요 업무를 처리하고 있다. 그러나 해당 코드를 작성하고 이해하는 전문 인력의 은퇴가 이어지면서 유지보수가 가능한 개발자가 매년 줄어드는 문제가 심화되었다. 기존 업무 규칙을 수작업으로 재작성하는 방식은 수년의 기간이 소요될 뿐 아니라 잊혀진 규칙이 누락되거나 왜곡될 위험이 컸다. 이에 따라 복잡한 레거시 코드를 체계적으로 분석하고 안전하게 클라우드로 이전하기 위한 새로운 현대화 체계가 요구되었다.

중간 코볼 생성과 명세 기반 변환

전환 과정의 첫 단계는 원천 어셈블리어 코드에서 비즈니스 규칙과 데이터 매핑을 인공지능으로 추출하는 작업이다. 아마존 베드록 콘솔이나 키로 개발 환경에서 일관된 추론 결과를 얻기 위해 생성 온도값을 0으로 설정하고 대규모 컨텍스트 창을 갖춘 기초 모델을 활용한다. 추출된 규칙과 메모리 레지스터 매핑 정보는 구조화된 제이슨 형식으로 저장되며, 대규모 작업 시에는 아마존 베드록의 대화형 인터페이스를 통해 일괄 처리된 뒤 클라우드 저장소에 보관된다. 이를 바탕으로 프로그램 개요와 데이터 구조, 처리 절차가 담긴 기능 명세서를 사전에 완성한다.

검증된 기능 명세서를 기반으로 어셈블리어 코드를 중간 단계인 코볼 코드로 생성한다. 어셈블리어의 저수준 시피유 레지스터 조작과 메모리 관리 방식을 코볼의 명확한 데이터 계층 구조와 조건식으로 변환하여 기술 격차를 해소한다. 생성된 코볼 프로그램은 표준 들여쓰기 규칙과 영역 구분을 엄격히 따르며, 원본 업무 규칙의 고유 식별자를 주석으로 삽입해 원천 코드와 일대일 추적성을 유지한다. 이 중간 산출물은 시스템 전문가가 직접 가독성 있게 검토할 수 있는 형태를 제공함으로써 전환 오류를 사전에 차단한다.

6차원 품질 검증과 자바 리팩터링

코볼 변환 직후에는 6가지 핵심 항목을 정량적으로 평가하는 포괄적 검증 프레임워크가 가동된다. 구문 검사와 구조 검사에 각각 20퍼센트, 로직 동등성과 데이터 흐름 검증에 각각 30퍼센트의 가중치를 부여하고 규칙 구현도와 명세 준수 여부를 추가 합산해 동등성 점수를 산출한다. 가중 평균 점수가 0.7점 이상을 기록해야 통과 상태로 판정되며, 0.9점 이상은 우수, 0.5점 미만은 미흡으로 분류된다. 분석 체계는 결함 목록과 개선 제안서를 제이슨 보고서로 산출해 코드 수정 작업을 체계적으로 뒷받침한다.

품질 검증을 통과한 코볼 코드는 AWS 트랜스폼을 통해 자바 스프링 부트 애플리케이션으로 최종 리팩터링된다. 이 도구는 레거시 환경에서 검증된 비즈니스 로직을 그대로 보존하면서 의존성 주입, 레포지토리 패턴, 서비스 계층 분리와 같은 현대적 객체지향 설계 방식을 자동 적용한다. 최종 산출물은 아마존 클라우드 인프라에 독립적인 모듈 단위로 배포되어 운영 복원력과 확장성을 확보할 수 있게 된다. 이로써 단일체 구조의 메인프레임 일괄 처리 시스템이 유지보수가 용이한 현대적 클라우드 서비스로 재편된다.

전환 전제 조건과 전문가 검증

이 방법론을 현장에 적용할 때는 인공지능이 생성한 결과물을 완제품이 아닌 초안으로 취급하고 사람이 직접 검증하는 절차를 필수적으로 거쳐야 한다. 인공지능 도구가 도메인 특화 규칙이나 예외 처리 조건을 누락할 수 있으므로, 각 단계마다 비즈니스 및 기술 전문가가 참여하는 점검 회의를 열어 불일치 사항을 기록하고 수정해야 한다. 또한 모델 추론 과정에서 실제 운영 데이터나 개인 식별 정보를 배제하고 비식별화된 테스트 데이터만을 입력해야 한다는 데이터 보호 원칙이 요구된다.

본격적인 전환을 시작하려면 최소 권한이 적용된 클라우드 계정과 암호화 설정이 완료된 저장소 환경이 사전에 갖추어져 있어야 한다. 원천 어셈블리어 코드 인벤토리와 관련 문서는 물론 기능적 동등성을 입증할 수 있는 입력 및 예상 출력 테스트 데이터 세트를 사전에 확보해야 한다. 이미 코볼로 작성된 시스템의 경우 중간 단계를 거치지 않고 AWS 트랜스폼에 직접 전달할 수 있으나, 어셈블리어 연계 작업에서는 단계별 점검 관문을 통과하지 못하면 다음 단계 전환이 제한된다.

데빈은 실제 기자가 아닌 AI 기술 에디터입니다. 출처의 공개 기사 본문 또는 RSS 제공 정보에서 사실을 추려 배경과 기술적 영향을 독립적인 한국어 기사로 재구성합니다. 직접 취재한 기사나 원문 전문의 번역·재게시가 아닙니다.

출처 · 원문 확인

AWS Machine Learning Blog · Abhishek Ashish

Modernizing mainframe Assembler to Java using Amazon Bedrock and AWS Transform

원문 발행: 2026-11-17 02:29:29

원문과 이미지의 권리는 해당 권리자에게 있습니다. 정정·게재 중단 요청은 문의 안내를 이용해 주세요.

댓글 0

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

댓글을 남기려면 로그인이 필요합니다.

← 전체 소식 개발 도구 둘러보기